心得分享

學員參與動機

  • 上個學期上完Tony老師的商務數據分析課程後，開始逐漸對大數據分析產生興趣，並且在慢慢接觸大數據以後發現了機器學習這個領域，因此也在開學前詢問Tony老師是否有相關課程可以上，老師也推薦我來這學期開的機器學習讀書會。by 夏震華

  • 當初選擇加入社團的動機，是想藉由同儕之間及老師對於類神經網路的分享，以及課前讀書熟悉課堂上分享的內容，不僅可以訓練自己程式方面的能力，看得懂代碼，還可以對執行後的結果進行解釋及分析。by 洪卉芬

  • 前陣子剛好在上卓老師的商務數據分析也明白若要成為一名「 基本款 」的數據分析人員至少也需要具備深度學習的基本概念及用途但由於商院的背景真的沒辦法在短時間補上與理工背景的知識差異也為此困擾許久甚至也思考是否該轉換跑道而因緣際會下聽到老師有舉辦這場專門為商院學生的機器學習讀書會就立馬報名了。by 鄭惟謙

  • 當初想參加R語言讀書會的原因有兩個，一個是經常聽到身旁同學討論訓練模型與調整參數等名詞，雖然之前在其他課程聽到老師稍微介紹，但自己卻無法很清楚的知道如何找出最佳的模型，因此想加入讀書會希望可以更深入的了解訓練模型的步驟。另一個原因是，剛好讀書會所使用的程式語言是R語言，因為自己不常使用R語言，想藉由加入讀書會之後，可以對R語言更加熟悉。by 蔡沛靜

  • 想參加colab原因是碩士論文方面以量化研究為主，並且先前在碩一下時有修過卓雍然老師的商業數據分析課程，因此看到有這個社團可以更深入學習機器學習中的神經網路，也希望能透過參與社團陪養自己對於機器學習的認識以及寫code的能力。 by 黃煜珩

  • 我從事營造業多年，有幸回到學校學習程式語言。本來的初衷是想碰觸有關數據分析的領域，所以看到類神經網路學習的機會，一時的好奇心大起。完全不懂程式的我，才選修系上的商業數據分析課程，還要進入更進階的類神經網路的領域算是誤打誤撞。 by 徐維鴻

學員參與心得

  • 這次讀書會閱讀書籍為An Introduction to Statistical Learning，一開始閱讀的時候確實有點吃力，畢竟是全英文且裡面有許多專有名詞，但透過讀書會上Tony老師跟學長們詳細的解釋，有慢慢了解機器學習、深度學習是如何運作。而透過一學期的學習，有初步了深度學習中CNN, RNN等模型架構是如何運作的，並且也幫助我在其他堂機器學習相關的課程中，更快地瞭解其他機器學習的模型架構，像是AutoEncoder，這也是我覺得這個讀書會帶給我最大的幫助的地方。最後，還是要再次感謝讀書會中Tony老師跟學長們不耐其煩地跟我解釋每個code的意思，我也希望接下來還會再開設相關的讀書會。by 夏震華

  • 社團運作，大致上是由學生分享書內的類神經網路知識及代碼的執行，老師再糾正一些觀點及加深主要內容的觀念。在社課前，會需要事先閱讀指定書目的內容；在社課時，我可以在重新複習一遍書中所傳遞的知識，也可以將自己可能忽略掉的細節補回來；對於我來說，這樣的學習方法是蠻有成效的，因為可以一直刺激大腦去思考及整合相關領域的知識。比較可惜的是，後來操作環境上有一些問題，程式執行時間會相對久一些；但幸好，後面的內容不用GPU跑，也沒有出現甚麼大問題。

這次的參與，讓我學習到許多不同的類神經網路、不同資料類型的分析、如何解釋模型的好壞、要避免overfitting等等。個人蠻推薦想初步了解神經網路的學生參與社課，可以獲得許多相關知識。by 洪卉芬

  • 課程採用的讀書會方法不僅讓大家即便是「 白紙」也能吸收聽懂並且每周都有同學分享程式碼可以幫助學生真實的了解每行程式碼的運作流程及機器學習的機制。而在這學期則環繞在兩個主題圖像辨識以及語意分析初步了解其不同的分析方法及原理都使學生在了解機器學習的過程中獲益良多。by 鄭惟謙

  • 當初老師請每位同學先各自回去讀書，並且依照不同的章節請同學上台報告。一開始我先照著課本上面的程式碼進行實作，但中途卻有些程式碼卻無法執行，後來分析前後差異才發現有些程式碼要重複利用，過程中只能大概知道要有哪些程式碼才能跑模型。之後輪到我報告時，老師與學長幫忙補充整個訓練模型的概念，才對自己寫的程式碼有較深入的了解。後來學長也詳細介紹更多使用深度學習的例子，覺得自己參加讀書會後對深度學習有更進一步的了解! by 蔡沛靜

  • 在參與社團之後，每個禮拜都會聽同學的報告以及老師的補充，社團提供的參考書籍對於神經網路有非常詳細的說明，不論是ANN或是CNN的說明以及程式碼的應用，其中也能透過每週負責的報告加深該章節的印象，另外老師的補充也令我對於神經網路這塊從原本不太懂到後來漸漸有豁然開朗的感覺，也謝謝曾經幫助過我的讀書會同學們，我覺得可以參加這個社團真的獲益良多！by 黃煜珩

  • 從學習類神經網路的概念，到自然語言。整整十多周，我的經驗直接被刷新。數據分析的結果，就是找出一大群資料集中的最佳解。深度學習，就是讓程式去尋找最佳解方。從比較粗糙的文字辨識到圖像分辨，這一本原文書從比較淺顯的程式讓我嘗試機械學習，讓我很有成就感。我也應用老師課堂中所說的方法：先去做，然後在其中明白道理，在其他R語言課程中得到許多成就感。我也很訝異輪流導讀的方式對我的影響，這使我很積極閱讀這本書，也能很好吸收老師與學長指導的內容。by 徐維鴻